基于机器学习的二手车价格评估方法

目前,我国每年乘用车二手车市场交易规模已经高达300万辆以上,二手车交易中如何对车辆进行合理的估值已经成为消费者和经销商最为关注的问题。通过利用数据挖掘技术并结合评估师经验,建立了一种新的二手车价格评估模型,该模型在高达百万样本数据的基础上利用机器学习中的聚类、多元回归等方法将车辆的上牌时间、表征里程、所属地区等因子作为自变量,成新率(保值率)作为因变量而建立。通过实际的评估验证,该模型具有较好的评估效果。     

基于机器学习对电动汽车价格预测

使用比赛数据,通过挖掘原始数据并结合背景知识创建了7个特征,使用随机森林和XGBoost模型对特征重要性排名前十五的特征中共同出现的特征进行选取,得到9个特征;然后建立KNN、集成学习类、神经网络等模型,选取三组数据集分别建立模型,最终选取了筛选后的数据集和使用Adam优化器的神经网络作为最终的价格预测模型,其准确率达...     

基于机器学习的汽车产品情感分析

随着国民经济的发展,中国已成为世界上最具潜力的汽车购买市场之一。然而与发达国家相比,我国在企业技术创新和客户营销服务制定上,还有着很大的差距。因此,提高企业自身竞争力、探究客户的消费心理对于汽车市场的进一步开拓,有着重要的意义。基于此,本文首先从全球访问量最大的汽车网站上,抓取了若干车型的评论信息。将分类收集的数据,建立一个人工标注的语料库,进行中文分词、去停用词等预处理操作,然后利用机器学习方法建立分类模型,将测试数据与待预测数据输入模型中,得到分类结果,并且对分类结果进行评价,最后为汽车销售厂商提供建议。     

基于机器学习的企业内部控制重大缺陷预测

企业在全面建设和实施内部控制机制的过程中普遍存在“报喜不报忧”现象,信息披露与真实运营情况严重脱节,内部控制存在重大缺陷。基于机器学习的重大缺陷预测模型能挖掘特征信息,对可能存在的重大缺陷进行识别和预警,以防止潜在的经营风险积累到一定程度并在发生损失后才引起重视。通过构建包括内部治理机制、外部环境风险、财务状况、监管与信息沟通四个维度的预测指标体系,利用2012~2019年沪深两市A股上市企业数据,经过研究后发现:以XGBoost为代表的集成模型在预测性能上强于个体学习器,在不平衡、高维度、相关关系不明确的数据集上的预测效果较为稳健,营业净利率、净资产收益率、产品市场竞争等指标对预测结果的贡献程度较大。     

基于机器学习的智能会计引擎研究

大智移云时代,新兴信息技术正在不断颠覆传统并持续为企业的创新实践赋能,变革已成为企业经营管理新常态。其中,以机器学习为核心的人工智能技术能够自主深入挖掘现有海量数据的内在价值,预测未知,有效驱动企业财务管理,实现数字化、智能化转型,并与业务发展紧密交融。文章拟从会计引擎角度切入,探讨机器学习在财务会计和管理会计两个不同层面对企业财务的智能化革新,同时指出利用机器学习构建智能会计引擎所面临的机遇与挑战。研究表明,经机器学习再造的智能会计引擎将成为集高效率财务核算流程与多维度财务管理职能于一身的独立性平台工具,为企业业务与财务的顺利衔接与深度融合增添助力;国家政策和其他新兴技术的支持使得机器学习在智能时代对会计引擎的重塑充满机遇,但人才的紧缺和机器学习的局限都将是必须应对的挑战。     

日本物流机械性能及其价格（一）：搬运车辆类

中国物流现代化需要各种性能优良,价格合理的物流机械。了解国内外市场信息,无论对于用户或物流机械制造企业都有重要意义。文中介绍的日本物流机械价格由于目前汇率变动较大,一律按原资料以日元标出。为了明确价格的可比性,同时也将标价产品的主要性能和规格参数加以...     

基于机器学习算法的信用风险预测模型研究

为了解决西南财经大学"新网银行杯"竞赛数据中存在的高维稀疏数据、无标签数据、多产品客群来源及好坏样本不平衡等问题,采用机器学习方法,如Logistic回归、决策树、Adaboost、GradientBoosting和LGB模型对数据进行训练,得出LGB模型的性能评价指标A UC数值最大的结论.     

基于模型预测控制车辆动力传输系统的研究

首先对采用多项式方程结构的模型预测控制(Model P redictive Control,MP C)理论进行探讨,并提出了应用的解决方案,在此基础上进一步提出了广义预测控制(Generalized Predictive Control,GPC)解决方案。本研究使用机电一体化软件进行模拟仿真以说明MP C解决方案是如何实现的。本研究提供具有无极变速器的车辆动力传输系统模拟仿真数据,主要对系统的各个部分进行分析。经济驾驶情景下的数字仿真结果验证了MPC解决方案的有效性。     

资产价格波动与我国货币政策的相关性研究

随着我国资产市场的发展和深化,以股票和房地产为主的资产在国民经济中所占比重越来越大,资产价格的波动性又是其固有特征,导致我国货币政策的制定面临着挑战。为此,文章首先分析了资产价格波动对货币政策的影响,在此基础上就我国货币政策对资产价格波动进行调控的可行性、能力以及我国货币政策传导渠道之间的相互作用进行了深入的探讨,并得出结论:目前不应将资产价格作为货币政策的直接调控目标,最后提出了相关政策建议。     

机器学习随机森林模型在财政收入预测中的应用研究

财政收入预测在现代财政管理中扮演着不可或缺的角色。采用机器学习中的随机森林模型,结合陕西城市房产税收入和一般公共预算收入月度实际数据,挖掘影响各税种收入的关键因素,进而对陕西财政收入进行预测和分析。研究结论显示,随机森林模型能精准预测财政收入并分析其影响因素。相比于传统方法,该预测模型提高了预测准确性,能够为制定财政预算方案和优化财政政策提供科学依据,具有实际应用价值。基于财政收入影响因素与收入预测结果,为优化陕西财政政策提出建议。     

车辆购置费改税

我们进入了一个“费”改“税”的时代。2000年1月1日开始实行《中华人民共和国车辆购置税暂行条例》,如果你想成为有车一族,那么这是你所应该关心的——     

基于大数据机器学习的主动式审计方法与应用研究

本文主要探讨了基于大数据机器学习的主动式审计方法,及其在现实应用中的效果和作用。当前审计工作中,受审计技术、审计工具和审计人员能力素质的制约,审计分析的力度和广度达不到要求,数据处理和分析速度需要提升,审计职业化队伍建设也需要进入快速通道。主动式审计方式通过利用技术手段,可实现由“结果审计”向“过程审计”的转变,变被动审计为主动审计,提升审计质量和效率。本文详细介绍了主动式审计的内涵、目标、分析业务内容和应用场景,为审计工作的智能化、数字化、信息化提供了新的思路和方法。     

价格形势分析与预测

一、2009年居民消费价格将进入低位运行区间 当前,我国物价已开始进入下行通道.2008年1～11月份,我国居民消费价格总水平同比上涨6.3%;2008年4月份以来,居民消费价格涨幅呈现逐月回落态势,11月份,居民消费价格上涨2.4%,涨幅已比最高点的4月份回落6.1个百分点.     

上市公司财务舞弊识别模型设计及其应用研究——基于新兴机器学习算法

研究目标:运用新兴机器学习的方法预测公司财务舞弊。研究方法:选取11类财务比率指标与文本信息、公司治理、内部控制等非财务指标作为初始输入变量,采用欠采样方法处理训练集样本非平衡的问题,选择轻量梯度提升机算法对公司是否发生舞弊建立分类模型。研究发现:采用轻量梯度提升机算法极大地提升了预测准确性;相对于逻辑回归、支持向量机、随机森林、梯度提升决策树,轻量梯度提升机算法的预测效果最好;使用全部输入变量比仅仅使用有限传统变量的预测能力更强;预测模型在案例分析、行业分析和股价崩盘检测中也展现出很好的预测效果。研究创新:引入新的机器学习算法识别财务舞弊,采用欠采样的方法对训练集样本进行平衡处理,从多个角度进行应用分析。研究价值:有助于实时高效地识别舞弊并及时进行监管,实现对经济运行更为准确的监测、分析、预测、预警,从而提升资本市场的治理效能,促进经济平稳运行。     

基于机器学习的财务纠错系统研究——以新疆师范大学为例

大智移云时代,新兴信息技术在不断颠覆传统并持续为企业的创新实践赋能,变革已经成为企业经营的主题,这些新的技术可以帮助企业实现更好的发展,加速企业的数字化转型,促进企业治理更加智能化.本文以新疆师范大学为例,从会计引擎的角度着手,进行基于机器学习的财务纠错系统的研究,以期借助机器学习使财务会计系统更为智能化.     

人工智能、机器学习对传统计量实证的影响

日趋复杂的经济管理的现实需求,促使当今的理论研究正步入深化行为分析的新时代。本文从新的视角,以行为的精深分析为主线,侧重在本质关联的层面上探讨人工智能（AI）、机器学习以及深度学习和强化学习等高新技术的发展动因、人文行为特征和可能对传统计量实证造成的冲击与挑战,试图通过异质行为根源、社会网络结构上的传导机理和路径选择等层面上的一体化贯通分析,寻求在更好地解释宏观复杂现象等方面取得突破的可能性,以及在行为分析建模与传统方法的对比中展望经济计量方法的发展前景。     

中国房地产价格预测与分析

随着十二五规划的逐步实施,针对中国房地产市场的改革不断推行。2010年是房地产市场政策调控年,政策频出且力度非凡。我国市场经济体制不完善因素造成房地产市场问题多多高房价高空置率必将阻碍我国经济的可持续发展,投机抄房活动大量出现,使得房地产这个负担整个国家的许多矛盾和热点的重要产业放在国计民生头等重要的位置上。在政府出台一系列措施收紧房地产市场抑制房价之后,中国的房地产价格将何去何从?本文将结合政策预测与分析对中国房地产价格走向进行一定的预测与分析,目的就在于:让读者对房地产未来走势有一个宏观的把握和认识。